32
Berdasarkan ketentuan dari Uji Klein, disebutkan bahwa masalah korelasi sederhana antara variabel penjelas bisa diabaikan apabila nilai koefisien korelasinya
lebih kecil dari nilai koefisien determinasi. Apabila terjadi nilai korelasi yang lebih besar dari |0,8|, maka menurut Uji Klien model tidak terjadi multikolinearitas selama
nilai korelasi tidak lebih besar dari nilai Adj R-Squared Gujarati, 1999:76.
3.5.2. Autokorelasi
Autokorelasi merupakan gejala adanya korelasi antara serangkaian observasi yang diurutkan melalui deret waktu time series. Adanya gejala autokorelasi pada
suatu persamaan akan menyebabkan suatu persamaan akan memiliki selang kepercayaan yang semakin lebar dan pengujian menjadi kurang akurat, dan
mengakibatkan hasil dari uji-t, uji-F, menjadi tidak sah dan penaksiran regresi akan menjadi lebih tinggi Gujarati,1999:77.
Uji yang sering digunakan untuk mendeteksi ada atau tidak autokorelasi adalah dengan menggunakan uji Durbin Watson StatisticD-W. Nilai statistik-d yang
berada pada kisaran angka dua menandakan tidak terdapat autokorelasi, dan sebaliknya jika semakin jauh dari angka dua maka peluang terjadinya autokorelasi
akan semakin besar. Oleh karena itu, digunakan pengujian lain yaitu dengan menggunakan uji Breunch and Godfrey Serial Correlation LM-Test. Kriteria uji yang
digunakan dalam model ini adalah:
33
Jika nilai probabilitas pada ObsR-Squared taraf nyata α yang digunakan,
maka model persamaan yang digunakan tidak mengalami autokorelasi. Jika nilai probabilitas pada ObsR-Squared
taraf nyata α yang digunakan, maka model persamaan yang digunakan terdapat autokorelasi.
3.5.3. Heteroskedastisitas
Heteroskedastisitas merupakan suatu kondisi dimana nilai ragam error term tidak memiliki nilai yang sama untuk setiap observasi. Pada heteroskedastisitas
menyebabkan penaksiran koefisien-koefisien regresi menjadi tidak efisien. Salah satu cara untuk mendeteksi ada atau tidaknya gejala heteroskedastisitas
yaitu dengan menggunakan White heteroskedasticity. Kriteria uji yang digunakan : Jika nilai probabilitas pada ObsR-squared
taraf nyata α yang digunakan, maka model persamaan yang digunakan tidak mengalami heteroskedastisitas.
Jika nilai probabilitas pada ObsR-squared taraf nyata α yang digunakan,
maka model persamaan yang digunakan mengalami heteroskedastisitas.
3.5.4. Uji Normalitas